PDF - 删除白边

Question

我想知道一种从PDF文件中删除白边距的方法.就像Adobe Acrobat X Pro一样.我知道它不适用于每个PDF文件.

我猜这样做的方法是获取文本边距,然后裁剪出边距.

PyPdf是首选.

iText根据以下代码查找文本边距:

public void addMarginRectangle(String src, String dest)
    throws IOException, DocumentException {
    PdfReader reader = new PdfReader(src);
    PdfReaderContentParser parser = new PdfReaderContentParser(reader);
    PdfStamper stamper = new PdfStamper(reader, new FileOutputStream(RESULT));
    TextMarginFinder finder;
    for (int i = 1; i <= reader.getNumberOfPages(); i++) {
        finder = parser.processContent(i, new TextMarginFinder());
        PdfContentByte cb = stamper.getOverContent(i);
        cb.rectangle(finder.getLlx(), finder.getLly(),
            finder.getWidth(), finder.getHeight());
        cb.stroke();
    }
    stamper.close();
}

Answer 1

我对PyPDF不太熟悉,但我知道Ghostscript可以为你做这个.以下是类似问题的其他答案的链接:

1. 将每页PDF 2面转换为每页1面(SuperUser.com)
2. 免费软件将pdf的页面分成中间？(SuperUser.com)
3. 使用Ghostscript 9.01(StackOverflow.com)裁剪PDF

第三个答案可能是你说' 我明白它不适用于每个PDF文件 '的原因.它使用 pdfmark命令尝试设置/CropBoxPDF页面对象.

前三个答案的方法很可能在第三个答案失败时成功.此方法使用PostScript命令片段<</PageOffset [NNN MMM]>> setpagedevice将PDF页面移位并放置在由-gNNNNxMMMM参数定义的(较小)介质大小上(该参数定义设备宽度和高度,以像素为单位).

如果您理解前两个答案背后的概念,您将能够轻松地调整其中使用的方法来裁剪PDF页面的所有4个边缘上的边距:

一个示例命令,用于在4个边缘的每个边上裁剪一个大小为PDF(8.5x11in == 612x792pt)半英寸(== 36pt)的命令(命令适用于Windows):

gswin32c.exe ^
    -o cropped.pdf ^
    -sDEVICE=pdfwrite ^
    -g5400x7200 ^
    -c "<</PageOffset [-36 -36]>> setpagedevice" ^
    -f input.pdf

生成的页面大小为7.5x10in(== 540x720pt).要在Linux或Mac上执行相同操作,请使用:

gs \
    -o cropped.pdf \
    -sDEVICE=pdfwrite \
    -g5400x7200 \
    -c "<</PageOffset [-36 -36]>> setpagedevice" \
    -f input.pdf

更新:如何使用Ghostscript确定'边距'

评论要求"自动"确定白边.你也可以使用Ghostscript.它的bbox设备可以确定每页上(虚拟)墨水所覆盖的区域(因此,间接地确定画布每个边缘的空白).

这是命令:

gs \
  -q -dBATCH -dNOPAUSE \
  -sDEVICE=bbox \
   input.pdf 

输出(例子):

 %%BoundingBox: 57 29 562 764
 %%HiResBoundingBox: 57.265030 29.347046 560.245045 763.649977
 %%BoundingBox: 57 28 562 667
 %%HiResBoundingBox: 57.265030 28.347046 560.245045 666.295011

该bbox设备呈现在内存中的每个页面的PDF(无需编写任何输出到磁盘),然后打印出的BoundingBox和HiResBoundingBox信息来stderr.您可以像这样修改此命令,以使结果更容易解析:

gs \
    -q -dBATCH -dNOPAUSE \
    -sDEVICE=bbox \
     input.pdf \
     2>&1 \  
  | grep -v HiResBoundingBox

输出(例子):

 %%BoundingBox: 57 29 562 764
 %%BoundingBox: 57 28 561 667

这会告诉你......

• ... 第1页内容矩形的[57 29]左下角位于右上角的坐标处[562 741]
• ... 第2页内容矩形的[57 28]左下角位于右上角的坐标处[561 667]

这意味着:

• 第1页在左边缘使用了57pt的空格(72pt == 1in == 25,4mm).
• 第1页在底部边缘使用了29pt的空白.
• 第2页在左边缘使用了57pt的空格.
• 第2页在底部边缘使用了28pt的空格.

正如您已经从这个简单示例中看到的那样,每个页面的空白并不完全相同.根据您的需要(您可能希望多页PDF的每一页都有相同的大小,不是吗？),您必须计算出文档所有页面中每条边的最小边距.

现在右边和上边缘的空白怎么样？要计算,您需要知道每个页面的原始页面大小.确定这一点的最简单方法是:pdfinfo实用程序.5页PDF的示例命令:

pdfinfo \
  -f 1 \
  -l 5 \
   input.pdf \
| grep "Page "

输出(例子):

Page    1 size: 612 x 792 pts (letter)
Page    2 size: 612 x 792 pts (letter)
Page    3 size: 595 x 842 pts (A4)
Page    4 size: 842 x 1191 pts (A3)
Page    5 size: 612 x 792 pts (letter)

这将帮助您确定所需的画布大小以及每个新PDF页面的顶部和右侧边缘所需的(最大)白色边距.

当然,这些计算也都可以编写脚本.

但是,如果您的PDF文件都是uniq页面大小,或者它们是1页文档,那么这一切都更容易完成......

Answer 2

试试pdfcrop.它需要ghostscript.